간단한 구성¶
아래는 Driverless AI GUI에서 config.toml 설정 복사/붙여넣기로 실행할 수 있는 몇 가지 간단한 구성의 목록입니다.
유전 알고리즘 및 앙상블 없이 최종 모델을 빠르게 획득¶
이 설정은 상세 설정의 Toml 편집기 에서 복사하여 붙여넣을 수 있습니다. 실험 미리보기에서 변경 사항이 적용되었는지 확인할 수 있습니다. 완료된 실험의 Toml 편집기도 실험이 끝날 때 이를 나열합니다.
Toml 편집기
enable_genetic_algorithm = "off"
fixed_ensemble_level = 0
유전 알고리즘으로 원래 기능 사용¶
이 예는 숫자 기능에 대한 변환을 수행하지 않고 범주 기능에 대한 단일 단순 인코딩(예: 상호작용 없음, 대상 인코딩, 날짜, 텍스트 등 )만 수행합니다. GA를 통해서만 모델 선택 및 튜닝을 수행합니다.
이 예는 상세 설정의 Toml 편집기 에서 복사하여 붙여넣을 수 있습니다. 실험 미리보기를 수정하고 검사하여 변경 내용이 적용되었는지 확인할 수 있습니다.
이 예는 숫자 열에 identity 또는 original transformation 만 적용하고 정수 및 범주형 열에 Frequent Transformer 를 적용합니다. 즉, 변수 가공 또는 기능 상호 작용을 수행하지 않습니다(상호작용 깊이가 1보다 크게 설정된 경우 mutation_mode = 《full” 임을 고려). 원래 세트에서 어떠한 기능도 삭제하지 않지만 모델링 알고리즘이 모델을 피팅하는 동안 분할에 대해 이를 사용하지 않는 경우 일부 기능이 여전히 표시되지 않을 수 있습니다.
Toml 편집기included_transformers = ["OriginalTransformer","FrequentTransformer"] max_feature_interaction_depth = 1 no_drop_features = true
이는 숫자 기능에 identity 트랜스포머를 적용하고 범주형 기능에 OneHotEncoding 변환을 적용합니다.
Toml 편집기included_transformers = ["OriginalTransformer","OneHotEncodingTransformer"] max_feature_interaction_depth = 1 no_drop_features = true
선택한 알고리즘과 매개변수로 모델을 구축합니다¶
이러한 설정은 실험의 전문가 실험 설정에서 Add to config.toml via toml string 에 복사하여 붙여넣을 수 있습니다. 실험 시작 전에 항상 Driverless 미리 보기를 확인하여 변경 내용이 적용되었는지 확인하십시오. Scores 탭을 사용하여 구축한 모델을 검사할 수 있습니다.
이 예는 유전 알고리즘 없이 2폴드 교차 검증 및 사용자 제공 매개변수를 사용하여 단일 GBM 모델을 구축합니다.
Add to config.toml via toml string"" included_models = ['XGBOOSTGBM']\n params_xgboost = "{'max_depth': 2, 'max_leaves': 4, 'n_estimators': 50, 'learning_rate': 0.03}"\n fixed_num_folds = 2 \n feature_brain_level = 0 \n enable_genetic_algorithm = "off" \n ""이 예는 사용자 정의 매개변수를 사용하여 원래 숫자 기능에 단일 TensorFlow 모델을 구축합니다. 모델은 숫자 대상 열의 범위를 벗어나 예측할 수 있습니다. 모델은 4폴드 교차 검증 체계로 평가됩니다. Mojo 생성, 파이프라인 시각화 및 유전 알고리즘이 꺼져 있습니다. TensorFlow 모델에서 사용하는 매개변수를 확인하기 위해 실험 로그를 볼 수 있습니다.
Add to config.toml via toml string"" included_models = ["TensorFlowModel"] \n included_transformers = ["OriginalTransformer"] \n fixed_ensemble_level = 1 \n fixed_num_folds = 4 \n params_tensorflow = "{'batch_size': 4096, 'epochs': 100, 'hidden': [1000, 1000]}" \n target_transformer = "identity_noclip" \n make_mojo_scoring_pipeline = "off" \n make_pipeline_visualization = "off" \n enable_genetic_algorithm = "off" \n ""이 예는 LightGBM 모델을 구축합니다. 유전 알고리즘 동안 변수 가공을 수행하고 사용자가 설정하지 않은 other params 를 토글하여 모델 튜닝을 수행합니다. Scores 탭을 사용하여 구축한 모델을 검사할 수 있습니다.
Add to config.toml via toml string"" included_models = ["LightGBMModel"] \n params_lightgbm = "{ 'n_estimators': 100, 'max_leaves': 64, 'random_state': 1234}" \n ""
누출 검사, 이동 감지, MOJO 생성 및 앙상블 비활성화¶
이 설정은 상세 설정의
Toml 편집기에서 복사하여 붙여넣을 수 있습니다. 실험 미리보기에서 변경 사항이 적용되었는지 확인할 수 있습니다. 완료된 실험의 Toml 편집기도 실험이 끝날 때 이를 나열합니다.사용자가 데이터가 양호하다는 것을 인지하고 있거나 TensorFlow 모델을 구축할 때 누출 또는 이동 감지를 끌 수 있습니다. 이러한 설정은 사용자가 데이터를 잘 알고 있고 MOJO 생성 없이 단일 모델에 대한 DAI 변수 가공에만 관심이 있는 경우에도 적용할 수 있습니다. 외부 검증 세트가 제공되는 경우 num_folds를 0으로 설정할 수 있습니다.
Toml 편집기check_distribution_shift = "off" check_leakage = "off" make_mojo_scoring_pipeline = "off" fixed_ensemble_level = 0 fixed_num_folds = 0